人-车-路交互下的驾驶人风险响应度建模

人机共驾中，共驾模式的选择和驾驶控制权的分配高度依赖于对驾驶人状态的正确识别。为了分析人机共驾中驾驶人的状态，对行车风险场模型进行重构，通过构建风险场力作用机制，建立包含驾驶人特性、自车特性和外部风险特性的人-车-路闭环系统中的驾驶人风险响应度模型，用于表征驾驶人对风险的认知能力和应对倾向。根据24位驾驶人在跟车和并道2个场景中的驾驶试验结果，对不同风险响应度下驾驶人的驾驶特性进行分析。研究结果表明：驾驶人风险响应度在驾驶过程中具有时变性，在驾驶人个体之间和不同驾驶场景间均存在差异性。在风险响应度分别为低、中、高的3类驾驶片段中，驾驶人在驾驶时的碰撞时间倒数T_TCi和加减速行为均具有显著差异（p<0.05）；风险响应度较高的保守型驾驶中，驾驶人行车时倾向于保持较小的T_TCi（均值为-0.48 s^-1，标准差为1.25 s^-1），单位时间内制动操作最多[均值为0.65次·（15 s）^-1]，总体驾驶风格倾向于规避风险；风险响应度较低的激进型驾驶中，驾驶人行车时倾向于保持最大的T_TCi（均值为0.28 s^-1，标准差为0.42 s^-1），相较于保守型驾驶，单位时间内加速操作较多[均值为0.48次·（15 s）^-1]，制动操作较少[均值为0.50次·（15 s）^-1]，总体驾驶风格倾向于追求行驶效率；风险响应度居中的平衡型驾驶中，驾驶人行车时所保持的T_TCi居中（均值为0.04 s^-1，标准差为0.36 s^-1），单位时间内加速操作[均值为0.23次·（15 s）^-1]和制动[均值为0.41次·（15 s）^-1]操作总数最少，对于行驶效率和行车安全的追求相对均衡。相较于以往将驾驶人作为孤立个体的驾驶人状态评估方法，所提出的驾驶人风险响应度模型可以依据驾驶人在人-车-路交互中的驾驶表现，更为全面地反映驾驶人的个性化驾驶状态。     

面向人机共驾车辆的驾驶人风险感知研究综述

面向人机共驾车辆的驾驶人风险感知是接管时正确应激反应和操作的前提,是交通安全领域的研究重点.分析了人机共驾车辆驾驶人风险感知概念及其特性;从驾驶人特性、自动驾驶系统、驾驶情景这3个方面分析了人机共驾车辆驾驶人风险感知的影响因素;从驾驶行为表现、接管绩效和主观评价这3个方面对人机共驾车辆驾驶人风险感知衡量方法进行归纳总结...     

基于人机共驾的车道保持辅助控制系统研究（双语出版）

车道保持控制系统是汽车安全辅助驾驶的重要组成部分，可有效提高汽车主动安全性、避免车辆无意识地偏离本车道。目前，大部分车道保持控制系统在工作时将驾驶人的操作视为外界干扰，没有考虑人机共驾阶段下驾驶人与控制系统的控制权分配问题，易造成人机冲突、影响驾驶人的驾驶感受。论文兼顾驾驶人与辅助控制系统各自优势，基于人机共驾技术对车道保持控制系统进行研究。构建基于安全行驶区域与最晚预警边界相结合的车道偏离决策模型，在保证其预警精度的同时降低计算复杂性，根据车辆行驶状态和路面附着系数动态调整预警阈值；研究串级MPC-PID控制策略实现对车辆横向位置的控制，将最优问题转化为二次规划求得目标前轮转角，利用PID算法完成对目标前轮转角的跟踪；引入共驾系数对车辆的控制权进行分配，研究共驾系数分配模型，以车辆状态误差和驾驶人转向力矩作为模糊控制的输入变量、共驾系数作为输出变量，降低辅助控制系统与驾驶人之间的冲突；最后，利用CarSim与Simulink联合仿真对所研究的控制策略进行仿真验证，结果表明共驾系数能够根据驾驶人的操作和车辆运行状态的变化实现动态调整，辅助控制力矩与驾驶人输入力矩变化趋势相同，在保留驾驶人一定操作的基础下可避免车辆偏离车道、降低人机冲突。     

智能网联汽车(ICV)技术的发展现状及趋势CSCD

综述了智能网联汽车(ICV)技术的发展现状及趋势。ICV的体系架构包括价值链、技术链与产业链。ICV的4个发展阶段是:自主式驾驶辅助、网联式驾驶辅助、人机共驾、高度自动/无人驾驶;关键技术有:环境感知、智能决策、控制执行、人机共驾、通信与平台、信息安全等。由于ICV是未来汽车技术发展的一个重要方向,其技术与产业发展是中国汽车工业转型升级的重要机遇;因而,中国要发展智能网联汽车,就应该充分结合本国体制优势,依托顶层设计。     

基于触觉引导的L2级智能汽车人机共享控制技术综述

因技术和法规等因素限制，智能汽车短时间内难以实现L1级到L5级的快速跨越，人机共驾将长期存在；基于触觉引导的人机共享控制技术为L2级智能汽车人机共驾提供了有效的人机共享控制途径。通过综述国内外车辆人机共享控制技术相关问题的研究现状，重点分析了基于触觉引导的车道保持、换道、避撞、倒车辅助等人机共享控制在路径规划、意图决策和权限分配转移等过程中，可能会造成人机冲突进而导致车辆稳定性降低、行车安全性变差和驾驶员操作舒适度与自由度恶化等关键问题。同时针对人机共享控制中固有的驾驶人风格及认知差异进行了探讨，以期进一步明确人机共享控制器的设计方法及人机冲突产生的机理。提出未来应在大量仿真或实测行车数据的基础上不断迭代优化智能系统，提高智能控制系统对行车环境和驾驶人状态识别的精准度，从而合理分配人机共享控制权重，有效解决人机冲突、车辆稳定性、行车安全性、驾驶员操作舒适性和自由度等问题。基于现有研究存在的问题，指出自适应性触觉引导共享控制器、权重分配共享控制器、基于神经肌肉反应共享控制器及基于高级辅助驾驶系统共享控制器等将是智能汽车人机共享控制的主要研究方向。      

基于人机共驾的车道保持辅助控制系统研究

车道保持控制系统是汽车安全辅助驾驶的重要组成部分,可有效提高汽车主动安全性、避免车辆无意识地偏离本车道。目前,大部分车道保持控制系统在工作时将驾驶人的操作视为外界干扰,没有考虑人机共驾阶段下驾驶人与控制系统的控制权分配问题,易造成人机冲突、影响驾驶人的驾驶感受。论文兼顾驾驶人与辅助控制系统各自优势,基于人机共驾技术对车道保持控制系统进行研究。构建基于安全行驶区域与最晚预警边界相结合的车道偏离决策模型,在保证其预警精度的同时降低计算复杂性,根据车辆行驶状态和路面附着系数动态调整预警阈值;研究串级MPC-PID控制策略实现对车辆横向位置的控制,将最优问题转化为二次规划求得目标前轮转角,利用PID算法完成对目标前轮转角的跟踪;引入共驾系数对车辆的控制权进行分配,研究共驾系数分配模型,以车辆状态误差和驾驶人转向力矩作为模糊控制的输入变量、共驾系数作为输出变量,降低辅助控制系统与驾驶人之间的冲突;最后,利用CarSim与Simulink联合仿真对所研究的控制策略进行仿真验证,结果表明共驾系数能够根据驾驶人的操作和车辆运行状态的变化实现动态调整,辅助控制力矩与驾驶人输入力矩变化趋势相同,在保留驾驶人一定操作的基础下可避免车辆偏离车道、降低人机冲突。     

智能汽车人机协同决策关键技术综述

智能汽车人机协同决策是指驾驶人与驾驶自动化系统之间进行信息共享、交互和协同决策的过程,其对于提升智能汽车的安全性、舒适性和通行效率具有重要意义。针对人机协同决策技术在当下文献研究中碎片化且缺乏相关综述研究的现状,介绍了智能汽车人机协同决策技术的研究现状及未来的发展趋势。首先,基于对人机协同驾驶领域研究现状的梳理,从驾驶权限和人机交互2个维度对人机协同决策方法进行分类,前者包含以人为主、人机驾驶权限切换和以机为主的3种决策方式,后者包含人机直接交互和人机间接交互2种决策形式。进一步根据智驾系统中人机协同决策的层级差异,将人机协同决策技术分为人机协同行为决策、人机协同运动规划两大关键技术。前者可分为仲裁驾驶权限、协调驾驶意图和人类在环学习3类,后者可分为人机协同的路径规划和轨迹规划2类。最后,对智能汽车人机协同决策技术的发展趋势进行了总结与展望。通过梳理总结认为：智能汽车人机协同决策技术的发展不仅局限于决策层面,也依赖于上下游共同的技术进步,且多模态人机界面和深度强化学习等技术将成为其进一步发展的重要动力;未来,人机协同决策技术将依托新型决策意图传导技术与大语言模型步入新阶段。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

驾驶员状态监测系统测试评价方法分析

随着智能驾驶汽车的高速发展，L2级别的高级辅助驾驶系统装车率也越来越高，L3级自动驾驶已逐步实现，而安全自动驾驶还尚未完全落地，当前正处于人机共驾阶段，尽管ADAS系统可以降低交通事故发生率，但疲劳驾驶、分心驾驶和危险驾驶等交通安全“隐形杀手”仍长期存在，给驾驶员和乘客带来生命安全，驾驶员状态监测系统能有效避免疲劳或者分心驾驶引发的交通事故，已经成为避免事故和改善道路驾驶安全的一项关键技术。本文介绍了驾驶员状态监测系统工作原理，分析了目前国内外驾驶员监测系统的测试评价方法，并总结了该系统的未来发展动向。     

人机混驾环境下无信号交叉口自动驾驶汽车左转运动规划研究

为了使自动驾驶汽车在人机混驾环境下能安全、高效地左转通过无信号交叉口，在借鉴人类驾驶人左转时会对周围车辆驾驶意图进行提前预判的基础上，提出了一种基于周围车辆驾驶意图预测的自动驾驶汽车左转运动规划模型。首先将无信号交叉口处周围车辆的驾驶意图分为左转、右转、直行3种类型，利用相关向量机预测周围车辆驾驶意图，以概率形式输出意图预测结果并实时更新，进一步界定自动驾驶汽车与周围车辆的潜在冲突区域并判断是否存在时空冲突；接着，在充分考虑他车速度、航向及车辆到达冲突区域边界距离的基础上建立基于部分可观测马尔可夫决策过程的自动驾驶汽车左转运动规划模型，生成一系列期望加速度；最后，基于Prescan-Simulink联合仿真平台搭建无信号交叉口仿真场景，对所提左转运动规划方法进行仿真验证，将基于博弈论的运动规划方法、基于人工势场理论的运动规划方法与所提出的方法进行比较，并选取行进比例达到1所用的时间和碰撞次数作为评价指标。研究结果表明：基于相关向量机的驾驶意图预测方法可在自动驾驶汽车到达交叉口之前准确预测出他车驾驶意图；基于部分可观测马尔可夫决策过程的左转运动规划方法能够通过速度调整策略实现人机混驾环境下自动驾驶汽车与周围车辆在无信号交叉口处的交互；不同算法对比效果表明，所提左转运动规划方法在自动驾驶汽车与不同数量周围车辆交互的仿真场景下均可有效避免碰撞事故发生并提高自动驾驶汽车左转通过无信号交叉口的效率。     

面向智能车辆的现役道路设施行驶适应性研究综述

为了总结面向智能车辆的现役道路设施行驶适应性，即现役道路基础设施承载智能车辆行驶的适宜程度，阐述自主智能驾驶定义与驾驶自动化等级分类，在此基础上剖析不同等级间的人机功能差异，并分别从感知层、感知-决策层、决策-控制层探讨与道路设计要素相关联的人机功能差异，通过归纳总结智能车辆与道路几何要素、路面性能及其他道路要素(如道路标线)的相互作用机制研究，从道路工程角度及其他道路要素方面回顾该领域的研究现状，指出存在的问题和未来发展方向。研究结果表明：相比传统车辆，配置高等级自动驾驶系统的智能车辆对现役道路设施行驶适应性最高，主动安全系统次之，而驾驶辅助及有条件自动驾驶系统适应性不足。而目前研究主要问题包括：难以归纳、标定不同驾驶自动化等级间的人机功能差异及其对于道路设计参数的需求设计值；测试道路场景条件过于理想，考虑的驾驶自动化等级单一，试验规模和样本有限；道路几何、路面性能以及道路标志、标线等道路要素与智能车辆间的相互作用机制研究不足，缺乏与不同道路场景相匹配的智能车辆驾驶特征数据的获取手段。因此建议：重视并推动与道路设计要素相关联的关键人机功能差异指标信息共享；联合高保真且可交互的道路场景、高精度感知传感器物理模型、车辆动力学模型及微观交通流模型，利用测试场景自动化生成、极限工况场景搜寻与泛化等技术开展智能驾驶虚拟测试，突破现有研究的深度和广度；探索反映不同等级智能车辆的道路行驶适应性特征指标与评价标准，精准、有效地评估预测复杂道路场景及不利道路条件下的行驶适应性。     

Comparison of driving characteristics between drivers in Korea and in the united states of America based on driver-vehicle interaction field database

Research and development involving intelligent vehicles of today is geared to safe, driver-friendly and sensitive vehicles that provide a driver with a pleasant and convenient driving environment while preventing him or her from possible risks of accident. In developing convenient and safe vehicles, research on drivers’ driving patterns, reactions and state characteristics depending on road conditions in actual field is essential in order to devise more driver-friendly intelligent vehicles. This paper describes how a driver-vehicle interaction (DVI) field database is built in order to obtain a driver’s input in normal road driving condition on highways, country roads, and city roads, and his or her state information, as well as data on the vehicle and traffic conditions. And the newly built database is compared with the RDCW FOT database established by UMTRI of the US for analysis to suggest that the driving tendencies of drivers in Korea and the road driving conditions are not the same as those in the US, reconfirming the need to establish a DVI field database, which will be used for the development of intelligent vehicles suitable for the Korean environment. The DVI data collected from actual driving in field are anticipated to be widely utilized as basic data for research on various intelligent driving safety systems, advanced driver assistance systems (ADAS) and human-vehicle interface (HVI) that are suitable for the driving environment in Korea.     

汽车驾驶员模型的研究现状及发展趋势

汽车驾驶员模型是汽车交通安全、智能交通系统、汽车自动驾驶和车辆巡航等技术的基础研究内容和关键环节之一。按照汽车驾驶员模型的研究方向及应用,将驾驶员模型分为基于人—车—环境闭环系统汽车操纵稳定性的驾驶员模型、基于智能交通系统的驾驶员行为模型和基于交通安全的驾驶员疲劳模型等类型,综述了上述各类汽车驾驶员模型的研究现状,对各类驾驶员模型存在的不足进行了分析论述,并展望了汽车驾驶员模型的发展方向及趋势。     

A driver-adaptive stability control strategy for sport utility vehicles

Conventional vehicle stability control (VSC) systems are designed for average drivers. For a driver with a good driving skill, the VSC systems may be redundant; for a driver with a poor driving skill, the VSC intervention may be inadequate. To increase safety of sport utility vehicles (SUVs), this paper proposes a novel driver-adaptive VSC (DAVSC) strategy based on scaling the target yaw rate commanded by the driver. The DAVSC system is adaptive to drivers’ driving skills. More control effort would be exerted for drivers with poor driving skills, and vice versa. A sliding mode control (SMC)-based differential braking (DB) controller is designed using a three degrees of freedom (DOF) yaw-plane model. An eight DOF nonlinear yaw-roll model is used to simulate the SUV dynamics. Two driver models, namely longitudinal and lateral, are used to ‘drive’ the virtual SUV. By integrating the virtual SUV, the DB controller, and the driver models, the performance of the DAVSC system is investigated. The simulations demonstrate the effectiveness of the DAVSC strategy.     

汽车驾驶人姿态监测系统研究综述（双语出版）

随着自动驾驶技术的发展，驾驶人将会参与更多的与驾驶无关的活动，从而呈现出新的姿态，这些新姿态是优化传统被动安全系统的重要切入点。而且在未来相当长的时间内，自动驾驶车辆的行驶依然依赖于人和系统的密切配合。对驾驶人姿态的观察，则可以为判断驾驶人是否有能力及时接管车辆提供帮助，从而确保安全、合理的人机交互过程。通过对大量相关文献的系统性梳理，综述了汽车驾驶人姿态监测技术的智能化发展趋势，从传感器种类以及相应的姿态监测算法出发，分析了目前不同监测系统的优缺点。研究发现，尽管传感器技术和姿态识别算法取得了明显进步，然而廉价稳定且能够在实际驾驶条件下对驾驶人姿态准确感知的监测系统依然缺乏。总体而言，目前的监测系统大多只是集中于对驾驶人局部身体部位的感知，缺乏实际驾驶条件下的性能分析，并且对驾驶人状态的实时感知和预测能力仍有待完善。最后，针对目前监测系统所面临的问题，对未来可能的研究方向进行展望，并提出主动式立体视觉系统和压力传感器阵列相融合的驾驶人姿态监测方式。研究成果将为驾驶人姿态监测系统的研究提供参考和借鉴，从而有助于道路交通安全水平的进一步提升，同时也可为人机交互界面的设计带来启发。     

线控转向系统控制技术综述

线控转向系统通过线控化、智能化可以实现个性驾驶、辅助驾驶、无人驾驶等目标,是智能网联汽车落地的关键技术,其相关动力学控制技术更是影响线控转向系统整体性能的核心技术。该文介绍了线控转向系统的基本结构类型及其动力学建模,分别对线控转向系统的路感控制技术、稳定性控制技术、容错控制技术等关键技术进行了全面概述,分析了线控转向技术的发展历程和研究现状及其在智能汽车上的应用状况;对线控转向系统的未来研究趋势进行了展望,指出线控转向系统的控制技术将向着执行精准、全工况覆盖、平行驾驶、安全可靠和智能网联的方向发展。     

生态驾驶研究现状及展望

为了明确国内外生态驾驶的研究进展，对生态驾驶影响因素、生态驾驶控制策略、生态驾驶实施效果及生态驾驶应用等方面的研究进行综述，介绍驾驶人个性特征、外界刺激信息、道路状况及交通条件、车辆自身特征、行驶参数等生态驾驶的影响因素，归纳生态驾驶的优化控制策略，分析了实施生态驾驶的效果，总结静态、动态的生态驾驶培训方法，生态驾驶辅助设备，生态型智能交通等方面的生态驾驶应用。对文献的梳理和分析表明：生态驾驶无需改变车辆结构便可以减少30%左右的燃油消耗，降低20%~30%的污染物排放；有必要深入研究理论型生态驾驶策略，以定量的、形象化的方式研究适合中国实际情况的生态驾驶辅助系统；需加强生态驾驶的推广，将其纳入驾考培训体系之中，从而全面促进中国驾驶人的节能减排能力。     

A novel integrated chassis controller for full drive-by-wire vehicles

In this paper, a systematic design with multiple hierarchical layers is adopted in the integrated chassis controller for full drive-by-wire vehicles. A reference model and the optimal preview acceleration driver model are utilised in the driver control layer to describe and realise the driver's anticipation of the vehicle's handling characteristics, respectively. Both the sliding mode control and terminal sliding mode control techniques are employed in the vehicle motion control (MC) layer to determine the MC efforts such that better tracking performance can be attained. In the tyre force allocation layer, a polygonal simplification method is proposed to deal with the constraints of the tyre adhesive limits efficiently and effectively, whereby the load transfer due to both roll and pitch is also taken into account which directly affects the constraints. By calculating the motor torque and steering angle of each wheel in the executive layer, the total workload of four wheels is minimised during normal driving, whereas the MC efforts are maximised in extreme handling conditions. The proposed controller is validated through simulation to improve vehicle stability and handling performance in both open- and closed-loop manoeuvres.     

新能源汽车智能驾驶线控底盘技术应用研究

新能源汽车智能驾驶线控系统包含了线控转向、线控制动、线控换挡、线控油门几部分构成。线控底盘技术属于新能源汽车智能驾驶涉及到的关键技术,也是推进智能驾驶不断更新发展的有效支撑,是现阶段新能源汽车研发制造的热点问题。本文结合笔者实际研究,探讨了新能源汽车智能驾驶线控系统结构及其线控底盘技术的基本原理,对全矢量控制线控底盘技术展开分析。     

早期汽车设计驾驶人模型回顾

系统回顾了早期汽车驾驶人模型的发展与演变,根据驾驶人模型的设计理论和研究方法,将驾驶人模型分为方向控制驾驶人模型、STI模型、预期开环控制模型、双模式模型以及其他种类的模型,其中方向控制驾驶人模型又可分为预瞄驾驶人模型和线性状态变量控制模型。综述了上述各类汽车驾驶人模型的研究过程,分析论述了早期汽车驾驶人模型的结构特点,总结了各类驾驶人模型存在的不足,提出了驾驶人模型发展的新方向。